多感知融合的駕校無人教學系統設計與實現

章 威，王士朋，王 軍

（中電海康集團研究院，浙江 杭州 310015）

汽車已經逐漸成為大部分人的代步工具，參加駕駛培訓的人越來越多，但是傳統機動車駕駛培訓行業一直存在很多痛點問題。對于學員來說，駕校培訓費用昂貴、流程復雜、培訓周期長、效率低、教練普遍素質低下、溝通困難。過多的人工教練，導致駕校運營人力成本高昂，真人教練素質水平參差不齊，培訓標準無法統一，駕校品牌難以樹立。政府部門也缺乏信息智能手段進行有效地長期監管，很難發現問題并推出針對性的規章制度變革[1]。針對這些問題，隨著物聯網技術、人工智能技術的不斷發展，機動車駕駛培訓實現無人化、去教練化成為可能。

文中對目前相關的研究成果進行了一些調研和總結：基于多感知融合的人工智能技術已經在無人駕駛領域得到了充分的應用[2]，包括園區內的物流小車無人配送，車路協同領域的無人駕駛貨車，重要會展中心的擺渡車等，都實現了該技術的成功應用和項目落地，但是僅限于測試階段，包括特斯拉在內，無人駕駛領域都出過交通事故，對于交通路上的情況復雜，安全性和可靠性還需要進一步的研究和測試。在機動車駕駛培訓與考試領域，目前的研究方向主要集中在駕考領域，以南京多倫科技為主的高科技物聯網企業，已經針對駕考領域開展了多年的技術研究，并完成了相關項目產品的落地。機動車駕駛培訓由于學員處于新手階段，操作培訓復雜、場地規劃繁瑣、場地實時監控實現難度較大等原因，一直沒有突破性的成果。針對機動車駕駛培訓的多感知融合的綜合無人化解決方案的實現與落地，還處于起步階段[3]。

總結現階段研究成果和不足，并針對目前駕培行業的痛點問題，文中提出基于多維感知技術，設計了一套多感知融合的無人教學系統。作為機動車駕駛無人教學新模式的探索，為駕駛培訓行業提升培訓質量與服務品質、降低人工成本提供新手段，亦為改善應試教育弊端、植入駕駛安全意識、解決監管難題提供科學的整體解決方案。

1 無人教學硬件系統設計

1.1 總體實現框架

在設計機動車駕駛培訓無人教學系統時，需從駕校培訓行業的實際應用場景考慮，對穩定性、可靠性、實時性等進行多角度考量。考慮到物聯網系統的節點情況與服務類型，文中設計的無人教學系統技術實現架構分為4 層：感知層、控制層、網絡層和應用層，整體實現框架如圖1 所示。

圖1 系統整體框架圖

在系統邏輯架構中，負責數據采集的是感知層，該層的組成包括各種類型的傳感器北斗差分定位流動站[4]、毫米波雷達、超聲波雷達傳感器、車輛OBD解析器和副剎車裝置；控制層的主要工作是根據不同的數據傳輸協議，獲取感知層的最原始數據，作初步的預處理，部分數據的直接處理結果采用雙工通信方式反向控制感知層，其他數據會通過網絡層繼續上傳；網絡層負責把經接入控制層處理的數據通過WiFi、Ethenet 等技術準確、安全地傳遞至應用層，其中，云平臺通過WiFi 網橋從網絡交換機端獲取數據，網絡攝像機由于數據傳輸量較大，直接與網絡交換機通信連接；應用層接收網絡層傳遞的信息數據進行教學功能開發，實現針對教學的智能教學功能。

1.2 終端硬件設計

在系統網絡拓撲結構中，無人教學系統的硬件終端是控制中心，傳感器采集的數據都匯總到硬件終端進行處理。主控芯片選型為恩智浦的MCIMX6G1AVM05AA，具有低功耗、高性能的特點，接口包括定時器、RS485、UART、CAN 等模塊，滿足系統設計的功能接口要求[5]。嵌入式終端系統設計如圖2 所示。

圖2 嵌入式終端系統設計

系統的外部對接接口根據數據傳輸速率，數據傳輸量及通信機制的要求，對不同外接的硬件感知設備接口進行設計，如表1 所示。

表1 系統的外部接口

2 無人教學系統軟件設計

無人教學系統的軟件設計分為3 個部分，分別為控制端嵌入式系統、車輛輪廓模型實時定位引擎和無人化教學平臺。其中，嵌入式系統是其他系統實現的基礎，通過嵌入式系統，獲取感知層各種需要的傳感數據。車輛輪廓模型定位引擎，實現車輛輪廓的實時定位，同時將車輛實時顯示在地圖引擎上。無人教學系統主要基于以上兩部分功能底層數據指令的支持，實現科目二教學。3 個子系統相互配合，實現駕駛培訓過程的實時監控，教學過程的無人化、去教練化。

2.1 嵌入式主程序

嵌入式主程序流程圖如圖3 所示[6]，首先對程序進行初始化，完成各個模塊的初始化工作。之后程序處于接口偵聽狀態，接收感知層上傳的實時感知數據。通過車輛OBD 數據和雷達數據，根據嵌入式設定的閾值進行判斷，若超過閾值，會調用剎車命令緊急剎車，最終將數據、定位數據和視頻數據都傳入應用層。

圖3 嵌入式主程序流程圖

2.2 車輛輪廓模型定位引擎

由于科目訓練教學要求，需要精準判斷車輛是否壓線，則必須實現整個車輪廓的高精度定位，這是無人教學系統實現的關鍵。文中在分析實際科目二訓練內容的基礎上，基于射線碰撞檢測理論，實現了車輛壓線的有效檢測。

2.2.1 場地項目打點測繪

科目二的訓練項目較多，文中以倒車入庫為例進行說明，其他訓練項目打點測繪原理相同，比如倒車入庫，就需要測繪8個特征點，測繪點如圖4所示[7]。

圖4 倒車入庫測繪點

每個項目測繪完成以后，運用AutoCAD 將測繪數據輸入系統，構建矢量地圖，使用Mapinfo 把各測繪點連接成線，并進行圖色渲染。整個場地的項目測繪完成后，經過后期的渲染生成矢量效果圖，駕培車輛通過北斗高精度定位系統實時上傳到主控端，由主控進行數據預處理后，發送至應用層進行實時呈現，實現每一輛考試車輛在培訓場地內的實時位置都一目了然[8]。駕培場地矢量地圖如圖5 所示。

圖5 駕培場地矢量地圖

2.2.2 車身輪廓模型構建及壓線檢測

以上內容已經完成了駕校場地的矢量圖繪制和關鍵點位的測繪，為了實現車輛在場地的實時定位及科目二的無人教學，還需要實現車輛車身輪廓模型的構建，并通過射線碰撞理論判斷車輛是否壓線。文中通過構建車身關鍵點位模型方程的方式實現車身位置的實時定位[7]。

1）車輛輪廓模型構建

在車輛上安裝兩個北斗定位模塊即可構建一輛汽車輪廓的位置坐標[9]，通過對特定駕校的車型進行精確測量后生成參數文件，在實際的系統中，只要加載車輛的參數文件即可在地圖上實時1∶1 地顯示出車輛的外形，如圖6 所示。

圖6 車輛輪廓頂點

2）碰撞檢測理論的壓線檢測實現

使用射線理論進行碰撞檢測，檢測碰撞的原理[10]是以車輛的北斗定位蘑菇頭點為起點，向各個輪廓頂點發出射線，然后檢查射線是否與其他的物體相交。如果出現了相交的情況，計算最近的一個交點與射線起點間的距離，如果這個距離比射線起點至物體輪廓頂點的距離小，則說明發生了碰撞，如圖7所示。

圖7 車輛壓線判斷原理圖

在三維矢量空間中，射線用來表示方向，射線的模為1，射線的方程為：

式中，P表示射線上的某個點，P0表示射線的起點，δ表示射線的方向，P、P0、δ是三維矢量，根據應用場景，δ僅表示射線的方向，t表示射線上其他點離開射線起點的距離。距離不可能是負數，故t∈[ ]0,∞,t=0 時，P是起點，即P0。

設矢量P1是平面上的一點，矢量N表示該平面的法向量，這兩個矢量確定一個平面。若給定一個點矢量（0，0，0）和一個法向量（0，1，0），則可定義一個平面，平面的方程式如下：

式中，d是原點到該平面的距離。設射線與平面相交于點P，則P必定同時滿足式（1）和式（2），聯合方程求解可得：

將式（3）代入式（1），得到碰撞發生的位置P。

為了降低服務器解算的壓力，在保證測量效果的同時，經過多次測試，車輛選擇20 個處于同一平面的輪廓頂點進行計算，并根據駕校車型，測量出起點到各個輪廓點的距離，分別記作dP0A,dP0B,dP0C,dP0D…dP0T。若下式成立，則判定車輛已壓線，系統作出壓線提示：

2.3 無人教學系統功能設計

2.3.1 系統功能

應用層的無人教學系統功能是直接面向駕校學員的應用層[11]，功能主要包括行車安全管理模塊、基礎操作教學模塊和考試內容教學模塊。系統功能模塊如圖8 所示。

圖8 無人教學平臺功能模塊

2.3.2 系統實現架構

智能教學系統以車載Android 平板APP 軟件方式呈現[12]，實現架構分為兩層，底層為Native，負責對接數據和實時計算，上層為Web，負責顯示和交互操作。車載Android 平板接收嵌入式主機有線傳輸過來的各類高頻結構化數據，并進行實時顯示。車載Android 平板要接收嵌入式程序計算的車輛與場景位置、邊線、關鍵點距離及碰撞。車載Android 平板與云平臺可雙向通信，Android 平板可從云平臺獲取用戶、權限等信息，可下載教學視頻，可更新車載教學Android 平板上的APP 軟件；車載Android 平板向云平臺報送用戶操作日志、狀態、實時計算結果等數據。教學平板正常情況下應是與云平臺通過WiFi保持通信[13]，車載Android 平板從云平臺下載并儲存教學視頻，以播放本地視頻的形式供學員使用[14]，應用層實現邏輯圖如圖9 所示。

圖9 應用層實現邏輯圖

3 試點項目驗證

文中研究成果已經在浙江桐廬某駕校作為試點項目，通過結合語音、視頻、文字講解，實現側方停車、倒車入庫、坡道起步等培訓教學，并對培訓記錄進行保存，可實時回放訓練實況[15]，進行針對性改進訓練。無人化教學系統的交互功能界面如圖10所示。

圖10 無人化教學系統交互功能界面

同時，中控大屏上的一體化監測平臺可實時呈現教學的全過程[16]，進行中控指揮調度管理。中控室管理人員可通過中控室的一體化監測平臺實時查看、管理駕校整個場地的學員學車訓練情況，可以進行車輛行駛信息、學員學車信息、學車效率等數據的統計展示，一體化監測平臺界面如圖11 所示。

圖11 一體化監測平臺界面

試點項目的結果評估，帶來以下效益：

1）駕校教練人員減少了50%，之前駕校教練的工資投入占總投入的57%，使用無人教學系統，行政工作人員比例降低近20%，每年可節約人力投入成本超過70 萬元。

2）學員的學車體驗明顯提升，通過率和學車效率都有所提升，學員學車周期縮短一周以上，報名人數也有所增長。

3）通過信息化建設，駕校可收集海量的信息化數據，包括學員數據、訓練數據、學員反饋數據等，這些數據均提供數據訪問接口，公安監管部門可對接數據，系統的使用情況得到了當地公安監管部門的高度認可[17]。

4 結束語

文中結合多傳感融合技術、人工智能技術研發的無人教學系統，完全契合了疫情下非接觸式培訓的剛性需求。對機動車駕駛培訓行業規范而言，在這樣的發展趨勢下，未來以機器人教練、人工智能等應用為主線，聯合全國駕校，共同打造一個智能化的機動車駕駛培訓產業將成為現實。駕培行業無人化培訓模式的研究與推廣，是人整個工智能立體的、龐大的科學體系和未來產業的重要組成部分，是人工智能概念落地的一種實踐。對未來人工智能產業的發展，人工智能更多項目的落地，新硬件的發展都起到積極促進，引領和凝聚共識的作用。